基于电子鼻表征霉心病苹果特征气味及无损检测模型建立

摘要：

为探究电子鼻检测技术对霉心病苹果的判别效果,以富士健康苹果和霉心病苹果为试材,基于SIMCA软件对采集的不同病变程度霉心病苹果的电子鼻信息进行表征,基于SPSS 23.0软件建立霉心病苹果Fisher函数、多层感知器神经网络(muhilayer perceptron neural network,MLPNN)和径向基函数神经网络(radial basis function neural network,RBFNN)判别模型.结果表明,健康果的特征传感器有W5C、W1C和W3C,重度果的特征传感器有W1S、W2S、W1W和W5S;MLPNN模型的判别效果最好,其对训练集和验证集的总体预测判别率分别为88.61％和88.46％;RBFNN模型的判别效果次之,其对训练集和测试集的总体预测判别率分别为93.50％和80.95％;Fisher判别函数判别效果最差,其对训练集和验证集的总体预测判别率分别为91.50％和79.27％.另外,3种判别模型对健康果和重度果都有很好的判别效果,对健康果和轻度果的判别效果不理想,需要在今后的研究中进一步优化.

关键词：霉心病苹果;无损检测模型;电子鼻技术;化学计量学方法

所属期刊栏目：48

资助基金：兵团重点领域科技攻关项目2019AB024

在线出版日期：2022-02-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：267-273